a vlastních vektorů Příklad: Stanovte taková čísla λ, pro která má homogenní soustava Av = λv nenulové (A λ i I) v = 0.

Save this PDF as:
 WORD  PNG  TXT  JPG

Rozměr: px
Začít zobrazení ze stránky:

Download "a vlastních vektorů Příklad: Stanovte taková čísla λ, pro která má homogenní soustava Av = λv nenulové (A λ i I) v = 0."

Transkript

1 Výpočet vlastních čísel a vlastních vektorů S pojmem vlastního čísla jsme se již setkali například u iteračních metod pro řešení soustavy lineárních algebraických rovnic. Velikosti vlastních čísel iterační matice rozhodovaly o konvergenci příslušné iterační metody. S úlohou na vlastní čísla se setkáme i v aplikacích při řešení řady technických a fyzikálních problémů. Úlohu na vlastní čísla si připomeneme na příkladu. Příklad: Stanovte taková čísla λ, pro která má homogenní soustava Av = λv nenulové řešení, a určete toto řešení, kde matice 2 A = Řešíme tedy soustavu (A λi) v = 2 λ λ v v 2 v 3 = Aby homogenní soustava měla nenulové řešení, musí být determinant soustavy nulový. Hledáme proto taková λ, aby det(a λi) = λ 3 + 6λ 2 λ + 6 =. Dostali jsme algebraickou rovnici stupně 3 a pouze pro její kořeny = 3, λ 2 = 2, λ 3 = nazývané vlastní čísla matice A, bude mít uvažovaná soustava nenulové řešení. Ke každému vlastnímu číslu λ i můžeme najít nenulové řešení homogennísoustavy Např. pro = 3 řešíme soustavu (A λ i I) v =. 2 Matice soustavy je samozřejmě singulární a proto bude existovat celý systém řešení v závislosti na parametru r IR. Každý vektor, r, r] T řeší danou soustavu. Ze systému vybereme jednoho zástupce, např. v () =,, ] T, a říkáme, že v () je vlastní vektor odpovídající vlastnímu číslu. Podobně bychom nalezli vlastní vektory odpovídající vlastním číslům λ 2 a λ 3. v v 2 v 3 =..

2 Definice: Je dána čtvercová matice A řádu n. Vlastní čísla, λ 2,..., λ n jsou kořeny charakteristické rovnice p A (λ) = det(a λi) =. Ke každému vlastnímu číslu λ i existuje alespoň jedno nenulové řešení soustavy rovnic Av = λ i v. Toto řešení v nazveme vlastním vektorem. Poznámka: Charakteristický polynom je stupně n n vlastních čísel. Definice: Matici Λ = diag(, λ 2,..., λ n ) nazýváme spektrální maticí matice A. Poznámka: Vlastní čísla horní trojúhelníkové matice jsou rovna jejím diagonálním prvkům, neboť charakteristický polynom má tvar: p A (λ) = (a λ)(a 22 λ)... (a nn λ). Úlohy na nalezení vlastních čísel rozdělíme do dvou skupin: Úplný problém vl. čísel úloha najít všechna vlastní čísla Částečný problém vl. čísel úloha najít pouze některá vl. čísla (obvykle s nejmenší nebo největší abs. hodnotou). Příklad: Určete vlastní čísla a vlastní vektory těchto matic: A = C = , B =, D = ,. Řešení: Všechny zadané matice mají stejný charakteristický polynom p A (λ) = p B (λ) = p C (λ) = p D (λ) = (2 λ) 3, Vidíme, že λ = 2 je trojnásobné vl. číslo všech čtyř matic. 2

3 Vlastní vektory A: v () = (,, ) T v (2) = (,, ) T v (3) = (,, ) T B: v () = (,, ) T v (3) = (,, ) T Pozn.: B λi = C: v () = (,, ) T v (2) = (,, ) T Pozn.: matice A λi je nulová, tj. systém všech řešení rovnice A λi = je lin. kombinací v (), v (2), v (3). D: v () = (,, ) T Pozn.: D λi = Poznámka: Počet lineárně nezávislých vlastních vektorů může být menší než je řád matice. Věnujme se nejprve metodám na řešení úplného problému. Metody rozdělíme takto: ) metody založené na výpočtech vlastních čísel pomocí charakteristického polynomu Nevýhodné pro velká n (řád matice A), protože je obtížné vypočítat p A (λ) = det(a λi) z definice determinantu. 2) metody využívající podobnosti matic Tato kategorie metod využívá faktu, že podobné matice mají stejná vlastní čísla. Princip: konstruujeme posloupnost navzájem podobných matic, která konverguje k matici, jejíž vlastní čísla se dají jednoduchým způsobem určit. 3) smíšené metody založené na převodu obecné matice na matici třídiagonální (např. Givensova, Householderova a Lanczosova metoda) a následný efektivní výpočet kořenů charakteristického polynomu této upravené matice. 3

4 Metoda LU-rozkladu (LR-transformace, LR-algoritmus) A = LU... rozklad matice A na dolní trojúhelníkovou matici L a horní trojúhelníkovou matici U, kde na diagonále matice L jsou pro jednoznačnost rokladu jednotky. Sestrojíme matici B, která bude podobná matici A. B = UL (U = L A B = UL = L AL). Postup: Sestrojíme posloupnost matic A k : (i) A = A, k = (ii) provedeme LU rozklad matice A k = L k U k (iii) sestrojíme matici A k+ = U k L k (iv) je-li matice A k+ horní trojúhelníková konec, jinak k = k + a jdi na (ii) Poznámka: Dá se ukázat, že když matice B k = L L... L k konvergují k regulární matici, potom matice A k také konvergují, a to k horní trojúhelníkové matici s vlastními čísly na diagonále. Platí A k+ = L k A k L k U k a tedy A k+ = L k L k... L A L L... L } {{ k } B B k+ k+ Poznámka: Je-li matice A symetrická a pozitivně definitní, provádíme LU-rozklad ve smyslu Choleského rozkladu, tj. A = LL T. Potom lze ukázat, že A k konverguje k diagonální matici. Nevýhody: - pomalá konvergence posloupnosti A k - velký počet operací pro matice větších řádů - nelze realizovat pro obecné matice A Poznámka: Jestliže pro dostatečně velké k je A k horní trojúhelníková matice, potom vlastní vektory jsou (přibližně) sloupce matice B k = L L... L k. 4

5 Metody ortogonálních transformací Použijeme podobný princip jako v předchozím případě, tj. sestrojíme posloupnost podobných matic A, A, A 2... tak, že A k+ = Q T k A k Q k, k =,, Požadujeme, aby posloupnost A k konvergovala k matici, jejíž vlastní čísla lehce určíme. Ortogonální matici Q k vybíráme speciálním postupem. Výhodou tohoto algoritmu je numerická stabilita. Poznámka: Pro obecnou matici používáme metodu QU-rozkladu (QR-transformace). A = QU Q... ortogonální matice (QQ T = I, tj. Q T = Q ) B = UQ U... horní trojúhelníková matice (U = Q A B = Q AQ B = Q T AQ). Motivační příklad: Příkladem ortogonální matice je matice rovinné rotace o úhel α: ] cos α sin α Q(α) = sin α cos α ozn = ] c s. s c Pro matici A = 2 3 ] stanovte matici B = Q T (α)aq(α) tak, aby b 2 =. Řešení: Rozepíšeme si prvky matice B: b b 2 b 2 b 22 ] = c s ] s c 2 3 ] ] c s = s c ] ] 2c + s c + 3s c s = = 2s + c s + 3c s c 2c = 2 + cs + cs + 3s 2 2cs s 2 + c 2 ] + 3cs 2cs + c 2 s 2 + 3cs 2s 2 cs cs + 3c 2. Pro splnění podmínky b 2 = musí platit 2cs s 2 + c 2 + 3cs = cs s 2 + c 2 =, 5

6 tj. cos } α{{ sin α} sin 2 α + cos 2 α =. 2 sin 2α + cos 2α cos 2α = sin 2α 2 2 = tan 2α α =., 5535 Po dosazení dostaneme, že B = 3, 68, 389 ]. B je diagonální matice s vlastními čísly na diagonále a stejná vlastní čísla má i matice A. Poznámka: Podobně jako v předchozí metodě, pro dostatečně velké k je A k horní trojúhelníková matice a vlastní vektory jsou (přibližně) sloupce matice Q Q... Q k. Poznámka: Pro symetrickou matici A vede uvedený postup na tzv. metodu Jacobiovy diagonalizace. 6

7 Speciální případ QR-transformace Jacobiova diagonalizace Věta: Je-li A reálná symetrická matice, potom existuje ortogonální matice Q tak, že Q T AQ = Λ (diagonální matice s vlastními čísly na diagonále spektrální matice). Princip: Matici Q získáme součinem matic Q p,q (α), kde Q p,q (α) =... cos α sin α sin α cos α... p-tý řádek q-tý řádek p-tý sloupec q-tý sloupec a α volíme tak, abychom vynulovali prvek v pozici p, q a tedy i v pozici q, p. Q = p,q Q p,q (α) postupně vynulujeme všechny nediagonální prvky. Poznámka: Při výpočtech nemusíme určovat úhel α, ale lze odvodit přímé vzorce. Poznámka: Zbývá zvolit strategii na volbu indexů p a q. Nejjednodušší je postupně nulovat všechny mimodiagonální prvky (podobně jako v Gaussově eliminační metodě pro řešení soustavy lineárních rovnic). Uvědomme si ale, že se získané nuly z předchozího kroku obecně nezachovají. Další možností je nulovat vždy mimodiagonální prvek, který je největší v absolutní hodnotě (zde je třeba v každé iteraci vyhledat tento prvek, což zpomalí výpočet). Iterační proces zastavíme, je-li norma trojúhelníkové matice pod diagonálou menší než zadaná tolerance. 7

8 Pro řešení Částečného problému si uvedeme dvě metody. Mocninná metoda Chceme určit vl. číslo matice A s největší absolutní hodnotou (dominantní vlastní číslo). Předpoklady:. A má n-lineárně nezávislých vlastních vektorů 2. existuje jediné dominantní vlastní číslo 3. vlastní čísla lze seřadit: > λ 2 λ 3... λ n. Odvození:. Zvolíme y () jako lin. kombinaci vl. vektorů y () = α v + α 2 v α n v n. 2. Sestrojíme posloupnost y (k) = Ay (k ), tj. y (k) = A k y (). y (k) = α A k v + α 2 A k v α n A k v n. 3. Platí: Av i = λ i v i, potom y (k) = α λ k v + α 2 λ k }{{} 2v α n λ k nv n. dominantní vl. číslo (vytkneme) 4. dostaneme: y (k) = λ k α v + k λi α i v i ε k ]. 5. analogicky pro y (k+) 6. vybereme j-tou složku y (k) a y (k+), vydělíme je a provedeme limitní přechod y (k+) j lim k y (k) j = lim k λ k+ (α v,j + ε k+,j ) λ k (α v,j + ε k,j ) }{{} = 8

9 Příklad: Mocninnou metodou stanovte dominantní vlastní číslo matice A, kde A = a y () =,, ] T. Řešení: Použijeme iterační formuli y (k+) = Ay (k), pro k =,,... y () = 2; 3; 2] T λ () = y() 2 y () 2 = 3, y (2) = 5; 7; 5] T λ (2) = 7 3 2, 3333, y (3) = 2; 7; 2] T λ (3) = 7 7 2, 4285, y (4) = 29; 4; 29] T λ (4) = 4 7 2, 47, y (5) = 7; 99; 7] T λ (5) = , 446. Poznámka: Zastavovací podmínka použijeme ve tvaru λ (k+) λ (k) < δ. Poznámka: Nejlepší aproximaci dostaneme, dělíme-li složky, které mají největší absolutní hodnotu. Poznámka: Abychom zamezili přetečení, resp. podtečení při zobrazení čísel v počítači je vhodné v každém kroku normovat vektor y (k) (norma y (k) roste, resp. klesá pro vlastní číslo v absolutní hodnotě větší, resp. menší než ). Poznámka: Nevýhody mocninné metody: - odhad chyby - konvergence (obvykle v praxi nevíme, zda jsou splněny předpoklady mocninné metody) - volba y () (bude-li vektor y () takovou lineární kombinací vlastních vektorů, že koeficient u vlastního vektoru odpovídajícího dominantnímu vlastnímu číslu bude roven, potom mocninná metoda nevypočte dominantní vlastní číslo) 9

10 Metoda Rayleighova podílu Pro použití metody Rayleighova podílu budeme navíc předpokládat, že matice A je symetrická (reálná). Potom musí být vlastní vektory ortonormální, tj. ( v T i v j = pro i j a v T i v i = ). Odvození: 6. krok z odvození mocninné metody nahradíme vyjádřením součinu y (k)t y (k) y (k)t y (k) = λ k a součinu y (k)t y (k+)t y (k)t y (k+) = λ k Dostáváme: α v T + α v T + y (k)t Ay (k) lim k y (k)t y (k) ε T k k ] λi α i v T i. λ k α v + 2k ] = λ 2k α 2 + αi 2 λi ε T k ε k ε T k k ] λi α i v T i. λ k+ α v + 2k+ ] = λ 2k+ α 2 + αi 2 λi ε T k ε k+ = lim k y (k)t y (k+) y (k)t y (k) = λ2k+ λ 2k ε k k ] λi α i v i = ε k+ k+ ] λi α i v i = ε T k ε k+ ) (α 2 + (α 2 + ε T k ε k ) =. Poznámka: Součin ε T k ε k konverguje k nule (pro k ) zhruba dvakrát rychleji než ε k k nulovému vektoru metoda Rayleighova podílu bude rychlejší než mocninná metoda.

11 Příklad: Metodou Rayleighova podílu určete dominantní vlastní číslo matice A, kde A = a y () = ; ; ] T. Řešení: y () = 2; 3; 2] T λ () = y()t y () y ()T y () = 7 3 y (2) = 5; 7; 5] T λ (2) = 4 7 2, 47, 2, 3333, y (3) = 2; 7; 2] T λ (3) = = , 447.

Všechno, co jste kdy chtěli vědět o maticích, ale báli jste se zeptat

Všechno, co jste kdy chtěli vědět o maticích, ale báli jste se zeptat Všechno, co jste kdy chtěli vědět o maticích, ale báli jste se zeptat Čtvercová matice n n, např. může reprezentovat: A = A A 2 A 3 A 2 A 22 A 23 A 3 A 32 A 33 matici koeficientů soustavy n lineárních

Více

Vlastní číslo, vektor

Vlastní číslo, vektor [1] Vlastní číslo, vektor motivace: směr přímky, kterou lin. transformace nezmění invariantní podprostory charakteristický polynom báze, vzhledem ke které je matice transformace nejjednodušší podobnost

Více

2.6. Vlastní čísla a vlastní vektory matice

2.6. Vlastní čísla a vlastní vektory matice 26 Cíle V této části se budeme zabývat hledáním čísla λ které je řešením rovnice A x = λ x (1) kde A je matice řádu n Znalost řešení takové rovnice má řadu aplikací nejen v matematice Definice 261 Nechť

Více

1 Linearní prostory nad komplexními čísly

1 Linearní prostory nad komplexními čísly 1 Linearní prostory nad komplexními čísly V této přednášce budeme hledat kořeny polynomů, které se dále budou moci vyskytovat jako složky vektorů nebo matic Vzhledem k tomu, že kořeny polynomu (i reálného)

Více

1 Mnohočleny a algebraické rovnice

1 Mnohočleny a algebraické rovnice 1 Mnohočleny a algebraické rovnice 1.1 Pojem mnohočlenu (polynomu) Připomeňme, že výrazům typu a 2 x 2 + a 1 x + a 0 říkáme kvadratický trojčlen, když a 2 0. Číslům a 0, a 1, a 2 říkáme koeficienty a písmenem

Více

11 Analýza hlavních komponet

11 Analýza hlavních komponet 11 Analýza hlavních komponet Tato úloha provádí transformaci měřených dat na menší počet tzv. fiktivních dat tak, aby většina informace obsažená v původních datech zůstala zachována. Jedná se tedy o úlohu

Více

19 Hilbertovy prostory

19 Hilbertovy prostory M. Rokyta, MFF UK: Aplikovaná matematika III kap. 19: Hilbertovy prostory 34 19 Hilbertovy prostory 19.1 Úvod, základní pojmy Poznámka (připomenutí). Necht (X,(, )) je vektorový prostor se skalárním součinem

Více

1. Jordanův kanonický tvar

1. Jordanův kanonický tvar . Jordanův kanonický tvar Obecně nelze pro zadaný lineární operátor ϕ : U U najít bázi α takovou, že (ϕ) α,α by byla diagonální. Obecně však platí, že pro každý lineární operátor ϕ : U U nad komplexními

Více

Numerické metody pro nalezení

Numerické metody pro nalezení Masarykova univerzita Brno Fakulta přírodovědecká Katedra aplikované matematiky Numerické metody pro nalezení vlastních čísel matic Diplomová práce květen 006 Alena Baštincová Poděkování V úvodu bych ráda

Více

y 10 20 Obrázek 1.26: Průměrová rovina válcové plochy

y 10 20 Obrázek 1.26: Průměrová rovina válcové plochy 36 KAPITOLA 1. KVADRIKY JAKO PLOCHY 2. STUPNĚ 2 1 2 1 1 y 1 2 Obráek 1.26: Průměrová rovina válcové plochy Věta: Je-li definována průměrová rovina sdružená s asymptotickým směrem, potom je s tímto směrem

Více

NUMERICKÉ METODY. Josef Dalík

NUMERICKÉ METODY. Josef Dalík NUMERICKÉ METODY Josef Dalík Zdroje chyb Při řešení daného technického problému numerickými metodami jde zpravidla o zjištění některých kvantitativních charakteristik daného procesu probíhajícího v přírodě

Více

12. Determinanty. 12. Determinanty p. 1/25

12. Determinanty. 12. Determinanty p. 1/25 12. Determinanty 12. Determinanty p. 1/25 12. Determinanty p. 2/25 Determinanty 1. Induktivní definice determinantu 2. Determinant a antisymetrické formy 3. Výpočet hodnoty determinantu 4. Determinant

Více

Euklidovský prostor. Euklides. Euklidovy postuláty (axiomy)

Euklidovský prostor. Euklides. Euklidovy postuláty (axiomy) Euklidovský prostor Euklidovy Základy (pohled do historie) dnešní definice kartézský souřadnicový systém vlastnosti rovin v E n speciální vlastnosti v E 3 (vektorový součin) a) eprostor, 16, b) P. Olšák,

Více

Matematika pro informatiku 4

Matematika pro informatiku 4 Matematika pro informatiku 4 Doc. RNDr. Alena Šolcová, Ph. D., KTI FIT ČVUT v Praze 7.března 2011 Evropský sociální fond Investujeme do vaší budoucnosti Alena Šolcová Lámejte si hlavu - L1 Určete všechny

Více

2 Vektory a vektorové prostory 23 2.1 Lineární závislost a nezávislost vektorů... 25 2.2 Souřadná soustava a báze... 26

2 Vektory a vektorové prostory 23 2.1 Lineární závislost a nezávislost vektorů... 25 2.2 Souřadná soustava a báze... 26 Obsah 1 Matice 3 11 Operace s maticemi 4 12 Soustavy lineárních rovnic 11 13 Maticové rovnice a výpočet inverzní matice 15 14 Elementární matice 19 15 Cvičení 21 16 Řešení 22 2 Vektory a vektorové prostory

Více

Základní vlastnosti eukleidovského prostoru

Základní vlastnosti eukleidovského prostoru Kapitola 2 Základní vlastnosti eukleidovského prostoru 2.1 Eukleidovský prostor Eukleidovský prostor a jeho podprostory. Metrické vlastnosti, jako např. kolmost, odchylka, vzdálenost, obsah, objem apod.

Více

1. Několik základních pojmů ze středoškolské matematiky. Na začátku si připomeneme následující pojmy:

1. Několik základních pojmů ze středoškolské matematiky. Na začátku si připomeneme následující pojmy: Opakování středoškolské matematiky Slovo úvodem: Tato pomůcka je určena zejména těm studentům presenčního i kombinovaného studia na VŠFS, kteří na středních školách neprošli dostatečnou průpravou z matematiky

Více

15. KubickÈ rovnice a rovnice vyööìho stupnï

15. KubickÈ rovnice a rovnice vyööìho stupnï 15. KubickÈ rovnice a rovnice vyööìho stupnï Čas od času je možné slyšet v pořadech o počasí jména jako Andrew, Mitch, El Ňiňo. otom následuje zpráva o katastrofálních vichřicích, uragánech a jiných mimořádných

Více

JčU - Cvičení z matematiky pro zemědělské obory (doc. RNDr. Nýdl, CSc & spol.) Minitest MT4

JčU - Cvičení z matematiky pro zemědělské obory (doc. RNDr. Nýdl, CSc & spol.) Minitest MT4 ŘEŠENÍ MINITESTŮ JčU - Cvičení z matematiky pro zemědělské obory (doc. RNDr. Nýdl, CSc & spol.) Minitest MT4. Z daných tří soustav rovnic o neznámých x, x vyberte právě všechny ty, které jsou regulární.

Více

MATURITNÍ TÉMATA Z MATEMATIKY

MATURITNÍ TÉMATA Z MATEMATIKY MATURITNÍ TÉMATA Z MATEMATIKY 1. Základní poznatky z logiky a teorie množin Pojem konstanty a proměnné. Obor proměnné. Pojem výroku a jeho pravdivostní hodnota. Operace s výroky, složené výroky, logické

Více

Definice. Vektorový prostor V nad tělesem T je množina s operacemi + : V V V, tj. u, v V : u + v V : T V V, tj. ( u V )( a T ) : a u V které splňují

Definice. Vektorový prostor V nad tělesem T je množina s operacemi + : V V V, tj. u, v V : u + v V : T V V, tj. ( u V )( a T ) : a u V které splňují Definice. Vektorový prostor V nad tělesem T je množina s operacemi + : V V V, tj. u, v V : u + v V : T V V, tj. ( u V )( a T ) : a u V které splňují 1. u + v = v + u, u, v V 2. (u + v) + w = u + (v + w),

Více

Masarykova univerzita Brno. Katedra aplikované matematiky. maticemi

Masarykova univerzita Brno. Katedra aplikované matematiky. maticemi Masarykova univerzita Brno Fakulta přírodovědecká Katedra aplikované matematiky Lineární systémy se speciálními maticemi Diplomová práce květen 2006 Jaroslava Benáčková Poděkování V úvodu bych ráda poděkovala

Více

9.4. Rovnice se speciální pravou stranou

9.4. Rovnice se speciální pravou stranou Cíle V řadě případů lze poměrně pracný výpočet metodou variace konstant nahradit jednodušším postupem, kterému je věnována tato kapitola. Výklad Při pozorném studiu předchozího textu pozornějšího studenta

Více

FAKULTA STAVEBNÍ MATEMATIKA I MODUL GA01 M01 STUDIJNÍ OPORY PRO STUDIJNÍ PROGRAM GEODÉZIE A KARTOGRAFIE S KOMBINOVANOU FORMOU STUDIA

FAKULTA STAVEBNÍ MATEMATIKA I MODUL GA01 M01 STUDIJNÍ OPORY PRO STUDIJNÍ PROGRAM GEODÉZIE A KARTOGRAFIE S KOMBINOVANOU FORMOU STUDIA VYSOKÉ UČENÍ TECHNICKÉ V BRNĚ FAKULTA STAVEBNÍ MATEMATIKA I MODUL GA01 M01 VYBRANÉ ČÁSTI A APLIKACE VEKTOROVÉHO POČTU STUDIJNÍ OPORY PRO STUDIJNÍ PROGRAM GEODÉZIE A KARTOGRAFIE S KOMBINOVANOU FORMOU STUDIA

Více

Numerické metody. Autoři textu: RNDr. Rudolf Hlavička, CSc.

Numerické metody. Autoři textu: RNDr. Rudolf Hlavička, CSc. FAKULTA STROJNÍHO INŽENÝRSTVÍ VYSOKÉ UČENÍ TECHNICKÉ V BRNĚ Numerické metody Garant předmětu: doc. RNDr. Libor Čermák, CSc. Autoři textu: Mgr. Irena Růžičková RNDr. Rudolf Hlavička, CSc. Ústav matematiky

Více

A 9. Počítejte v radiánech, ne ve stupních!

A 9. Počítejte v radiánech, ne ve stupních! A 9 Př.. Je dána rovnice sin + 2 = 0. Najděte interval délky, v němž leží kořen rovnice. Metodou půlení intervalů tento interval zužte až na interval délky 0,25. Pak kořen najděte s přesností ε = 0,00

Více

2 Zpracování naměřených dat. 2.1 Gaussův zákon chyb. 2.2 Náhodná veličina a její rozdělení

2 Zpracování naměřených dat. 2.1 Gaussův zákon chyb. 2.2 Náhodná veličina a její rozdělení 2 Zpracování naměřených dat Důležitou součástí každé experimentální práce je statistické zpracování naměřených dat. V této krátké kapitole se budeme věnovat určení intervalů spolehlivosti získaných výsledků

Více

ALGEBRA LINEÁRNÍ, KVADRATICKÉ ROVNICE

ALGEBRA LINEÁRNÍ, KVADRATICKÉ ROVNICE ALGEBRA LINEÁRNÍ, KVADRATICKÉ ROVNICE A NEROVNICE, SOUSTAVY ROVNIC A NEROVNIC Gymnázium Jiřího Wolkera v Prostějově Výukové materiály z matematiky pro vyšší gymnázia Autoři projektu Student na prahu 21.

Více

Diferenciální počet 1 1. f(x) = ln arcsin 1 + x 1 x. 1 x 1 a x 1 0. f(x) = (cos x) cosh x + 3x. x 0 je derivace funkce f(x) v bodě x0.

Diferenciální počet 1 1. f(x) = ln arcsin 1 + x 1 x. 1 x 1 a x 1 0. f(x) = (cos x) cosh x + 3x. x 0 je derivace funkce f(x) v bodě x0. Nalezněte definiční obor funkce Diferenciální počet f = ln arcsin + Definiční obor funkce f je určen vztahy Z těchto nerovností plyne < + ln arcsin + je tedy D f =, Určete definiční obor funkce arcsin

Více

8 Věta o Fourierově transformaci funkcí, které lze na sebe transformovat regulární lineární transformací souřadnic

8 Věta o Fourierově transformaci funkcí, které lze na sebe transformovat regulární lineární transformací souřadnic 8 REGULÁRNÍ LINEÁRNÍ TRANSFORMACE SOUŘADNIC 8 Věta o Fourierově transformaci funkcí, které lze na sebe transformovat regulární lineární transformací souřadnic Ze zkušenosti s Fraunhoferovými difrakčními

Více

FOURIEROVA ANAL YZA 2D TER ENN ICH DAT Karel Segeth

FOURIEROVA ANAL YZA 2D TER ENN ICH DAT Karel Segeth FOURIEROVA ANALÝZA 2D TERÉNNÍCH DAT Karel Segeth Motto: The faster the computer, the more important the speed of algorithms. přírodní jev fyzikální model matematický model numerický model řešení numerického

Více

Řešení. Hledaná dimenze je (podle definice) rovna hodnosti matice. a 1 2. 1 + a 2 2 1

Řešení. Hledaná dimenze je (podle definice) rovna hodnosti matice. a 1 2. 1 + a 2 2 1 Příklad 1. Určete všechna řešení následující soustavy rovnic nad Z 2 : 0 0 0 1 1 1 0 1 0 1 1 1 1 1 0 1 0 1 0 1 1 Gaussovou eliminací převedeme zadanou soustavu na ekvivalentní soustavu v odstupňovaném

Více

CZ 1.07/1.1.32/02.0006

CZ 1.07/1.1.32/02.0006 PO ŠKOLE DO ŠKOLY CZ 1.07/1.1.32/02.0006 Číslo projektu: CZ.1.07/1.1.32/02.0006 Název projektu: Po škole do školy Příjemce grantu: Gymnázium, Kladno Název výstupu: Prohlubující semináře Matematika (MI

Více

K OZA SE PASE NA POLOVINĚ ZAHRADY Zadání úlohy

K OZA SE PASE NA POLOVINĚ ZAHRADY Zadání úlohy Koza se pase na polovině zahrady, Jaroslav eichl, 011 K OZA E PAE NA POLOVINĚ ZAHADY Zadání úlohy Zahrada kruhového tvaru má poloměr r = 10 m. Do zahrady umístíme kozu, kterou přivážeme provazem ke kolíku

Více

OBECNÉ METODY VYROVNÁNÍ

OBECNÉ METODY VYROVNÁNÍ OBECNÉ METODY VYROVNÁNÍ HYNČICOVÁ TEREZA, H2IGE1 2014 ÚVOD Z DŮVODU VYLOUČENÍ HRUBÝCH CHYB A ZVÝŠENÍ PŘESNOSTI NIKDY NEMĚŘÍME DANOU VELIČINU POUZE JEDNOU VÝSLEDKEM OPAKOVANÉHO MĚŘENÍ NĚKTERÉ VELIČINY JE

Více

5. Interpolace a aproximace funkcí

5. Interpolace a aproximace funkcí 5. Interpolace a aproximace funkcí Průvodce studiem Často je potřeba složitou funkci f nahradit funkcí jednodušší. V této kapitole budeme předpokládat, že u funkce f známe její funkční hodnoty f i = f(x

Více

Nechť M je množina. Zobrazení z M M do M se nazývá (binární) operace

Nechť M je množina. Zobrazení z M M do M se nazývá (binární) operace Kapitola 2 Algebraické struktury Řada algebraických objektů má podobu množiny s nějakou dodatečnou strukturou. Například vektorový prostor je množina vektorů, ty však nejsou jeden jako druhý : jeden z

Více

Matematika. Kamila Hasilová. Matematika 1/34

Matematika. Kamila Hasilová. Matematika 1/34 Matematika Kamila Hasilová Matematika 1/34 Obsah 1 Úvod 2 GEM 3 Lineární algebra 4 Vektory Matematika 2/34 Úvod Zkouška písemná, termíny budou včas vypsány na Intranetu UO obsah: teoretická a praktická

Více

Požadavky k opravným zkouškám z matematiky školní rok 2013-2014

Požadavky k opravným zkouškám z matematiky školní rok 2013-2014 Požadavky k opravným zkouškám z matematiky školní rok 2013-2014 1. ročník (první pololetí, druhé pololetí) 1) Množiny. Číselné obory N, Z, Q, I, R. 2) Absolutní hodnota reálného čísla, intervaly. 3) Procenta,

Více

Projekt IMPLEMENTACE ŠVP. pořadí početních operací, dělitelnost, společný dělitel a násobek, základní početní operace

Projekt IMPLEMENTACE ŠVP. pořadí početních operací, dělitelnost, společný dělitel a násobek, základní početní operace Střední škola umělecká a řemeslná Evropský sociální fond "Praha a EU: Investujeme do vaší budoucnosti" Projekt IMPLEMENTACE ŠVP Evaluace a aktualizace metodiky předmětu Matematika Výrazy Obory nástavbového

Více

Aproximace funkcí. x je systém m 1 jednoduchých, LN a dostatečně hladkých funkcí. x c m. g 1. g m. a 1. x a 2. x 2 a k. x k b 1. x b 2.

Aproximace funkcí. x je systém m 1 jednoduchých, LN a dostatečně hladkých funkcí. x c m. g 1. g m. a 1. x a 2. x 2 a k. x k b 1. x b 2. Aproximace funkcí Aproximace je výpočet funkčních hodnot funkce z nějaké třídy funkcí, která je v určitém smyslu nejbližší funkci nebo datům, která chceme aproximovat. Třída funkcí, ze které volíme aproximace

Více

POLYNOMY 1 Jan Malý UK v Praze a UJEP v Ústí n. L.

POLYNOMY 1 Jan Malý UK v Praze a UJEP v Ústí n. L. Soustavy o jedné rovnici neboli rovnice. Algebraické rovnice: Polynom= 0. POLYNOMY 1 Jan Malý UK v Praze a UJEP v Ústí n. L. Rovnice 1. stupně: lineární, ax + b = 0, a 0. Řešení: x = b a. Rovnice 2. stupně:

Více

opravdu považovat za lepší aproximaci. Snížení odchylky o necelá dvě procenta

opravdu považovat za lepší aproximaci. Snížení odchylky o necelá dvě procenta Řetězové zlomky a dobré aproximace Motivace Chceme-li znát přibližnou hodnotu nějakého iracionálního čísla, obvykle používáme jeho (nekonečný) desetinný rozvoj Z takového rozvoje, řekněme z rozvoje 345926535897932384626433832795028849769399375

Více

Požadavky k opravným zkouškám z matematiky školní rok 2014-2015

Požadavky k opravným zkouškám z matematiky školní rok 2014-2015 Požadavky k opravným zkouškám z matematiky školní rok 2014-2015 1. ročník (první pololetí, druhé pololetí) 1) Množiny. Číselné obory N, Z, Q, I, R. 2) Absolutní hodnota reálného čísla, intervaly. 3) Procenta,

Více

Kapitola 2: Lineární zobrazení

Kapitola 2: Lineární zobrazení Sbírka příkladů Matematika II pro strukturované studium Kapitola 2: Lineární zobrazení Chcete-li ukončit prohlížení stiskněte klávesuesc. Chcete-li pokračovat stiskněte klávesuenter.. p.1/11 Lineární zobrazení

Více

Limita a spojitost funkce

Limita a spojitost funkce Limita a spojitost funkce Základ všší matematik Dana Říhová Mendelu Brno Průřezová inovace studijních programů Lesnické a dřevařské fakult MENDELU v Brně (LDF) s ohledem na disciplin společného základu

Více

7.2.12 Vektorový součin I

7.2.12 Vektorový součin I 7 Vektorový součin I Předpoklad: 708, 7 Při násobení dvou čísel získáváme opět číslo Skalární násobení vektorů je zcela odlišné, protože vnásobením dvou vektorů dostaneme číslo, ted něco jiného Je možné

Více

Cvičení z matematiky jednoletý volitelný předmět

Cvičení z matematiky jednoletý volitelný předmět Název předmětu: Zařazení v učebním plánu: Cvičení z matematiky O8A, C4A, jednoletý volitelný předmět Cíle předmětu Obsah předmětu je zaměřen na přípravu studentů gymnázia na společnou část maturitní zkoušky

Více

Matematika I, část I Vzájemná poloha lineárních útvarů v E 3

Matematika I, část I Vzájemná poloha lineárních útvarů v E 3 3.6. Vzájemná poloha lineárních útvarů v E 3 Výklad A. Vzájemná poloha dvou přímek Uvažujme v E 3 přímky p, q: p: X = A + ru q: X = B + sv a hledejme jejich společné body, tj. hledejme takové hodnoty parametrů

Více

[1] Důkaz: Necht p(x) = a n x n +... + a 1 x + a 0 = 0 pro všechna x C,

[1] Důkaz: Necht p(x) = a n x n +... + a 1 x + a 0 = 0 pro všechna x C, Výsledky operací jsou tedy popsány pomocí svých koeficientů algoritmicky. Na vstupu do algoritmu jsou koeficienty polynomů, které sčítáme resp. násobíme. S proměnnou x algoritmy nepracují. Polynomy Polynom

Více

S funkcemi můžeme počítat podobně jako s čísly, sčítat je, odečítat, násobit a dělit případně i umocňovat.

S funkcemi můžeme počítat podobně jako s čísly, sčítat je, odečítat, násobit a dělit případně i umocňovat. @08. Derivace funkce S funkcemi můžeme počítat podobně jako s čísly, sčítat je, odečítat, násobit a dělit případně i umocňovat. Definice: Součet funkce f a g je takový předpis, taková funkce h, která každému

Více

Vzdálenosti. Copyright c 2006 Helena Říhová

Vzdálenosti. Copyright c 2006 Helena Říhová Vzdálenosti Copyright c 2006 Helena Říhová Obsah 1 Vzdálenosti 3 1.1 Vzdálenostivrovině... 3 1.1.1 Vzdálenostdvoubodů..... 3 1.1.2 Vzdálenostboduodpřímky..... 4 1.1.3 Vzdálenostdvourovnoběžek.... 5 1.2

Více

Posloupnosti a jejich konvergence POSLOUPNOSTI

Posloupnosti a jejich konvergence POSLOUPNOSTI Posloupnosti a jejich konvergence Pojem konvergence je velmi důležitý pro nediskrétní matematiku. Je nezbytný všude, kde je potřeba aproximovat nějaké hodnoty, řešit rovnice přibližně, používat derivace,

Více

1a. Metoda půlení intervalů (metoda bisekce, Bisection method) Tato metoda vychází z vlastnosti mezihodnoty pro spojité funkce.

1a. Metoda půlení intervalů (metoda bisekce, Bisection method) Tato metoda vychází z vlastnosti mezihodnoty pro spojité funkce. Hledání kořenů Úloha: Pro danou funkci f(x) máme najít číslo r tak, aby f(r) = 0. Pozor, počítač totiž kořen nepozná! Má jistou přesnost výpočtu δ > 0 a prohlásí f(r) = 0 pokaždé, když f(x) < δ. Není ovšem

Více

MINISTERSTVO ŠKOLSTVÍ, MLÁDEŽE A TĚLOVÝCHOVY. Učební osnova předmětu MATEMATIKA. pro studijní obory SOŠ a SOU (8 10 hodin týdně celkem)

MINISTERSTVO ŠKOLSTVÍ, MLÁDEŽE A TĚLOVÝCHOVY. Učební osnova předmětu MATEMATIKA. pro studijní obory SOŠ a SOU (8 10 hodin týdně celkem) MINISTERSTVO ŠKOLSTVÍ, MLÁDEŽE A TĚLOVÝCHOVY Učební osnova předmětu MATEMATIKA pro studijní obory SOŠ a SOU (8 10 hodin týdně celkem) Schválilo Ministerstvo školství, mládeže a tělovýchovy dne 14. 6. 2000,

Více

Odpřednesenou látku naleznete v kapitole 3.3 skript Diskrétní matematika.

Odpřednesenou látku naleznete v kapitole 3.3 skript Diskrétní matematika. Lineární kódy, část 2 Odpřednesenou látku naleznete v kapitole 3.3 skript Diskrétní matematika. Jiří Velebil: A7B01LAG 22.12.2014: Lineární kódy, část 2 1/12 Dnešní přednáška 1 Analýza Hammingova (7, 4)-kódu.

Více

FUNKCE INVESTICE DO ROZVOJE VZDĚLÁVÁNÍ

FUNKCE INVESTICE DO ROZVOJE VZDĚLÁVÁNÍ FUNKCE Gymnázium Jiřího Wolkera v Prostějově Výukové materiály z matematiky pro vyšší gymnázia Autoři projektu Student na prahu. století - využití ICT ve vyučování matematiky na gymnáziu INVESTICE DO ROZVOJE

Více

7 Kardinální informace o kritériích (část 1)

7 Kardinální informace o kritériích (část 1) 7 Kardinální informace o kritériích (část 1) Předpokládejme stejná značení jako v předchozích cvičeních. Kardinální informací o kritériích se rozumí ohodnocení jejich důležitosti k pomocí váhového vektoru

Více

MAT 1 Mnohočleny a racionální lomená funkce

MAT 1 Mnohočleny a racionální lomená funkce MAT 1 Mnohočleny a racionální lomená funkce Studijní materiály Pro listování dokumentem NEpoužívejte kolečko myši nebo zvolte možnost Full Screen. Brno 2012 RNDr. Rudolf Schwarz, CSc. First Prev Next Last

Více

METRICKÉ A NORMOVANÉ PROSTORY

METRICKÉ A NORMOVANÉ PROSTORY PŘEDNÁŠKA 1 METRICKÉ A NORMOVANÉ PROSTORY 1.1 Prostor R n a jeho podmnožiny Připomeňme, že prostorem R n rozumíme množinu uspořádaných n tic reálných čísel, tj. R n = R } R {{ R }. n krát Prvky R n budeme

Více

(ne)závislost. α 1 x 1 + α 2 x 2 + + α n x n. x + ( 1) x Vektoru y = ( 1) y říkáme opačný vektor k vektoru y. x x = 1. x = x = 0.

(ne)závislost. α 1 x 1 + α 2 x 2 + + α n x n. x + ( 1) x Vektoru y = ( 1) y říkáme opačný vektor k vektoru y. x x = 1. x = x = 0. Lineární (ne)závislost [1] Odečítání vektorů, asociativita BI-LIN, zavislost, 3, P. Olšák [2] Místo, abychom psali zdlouhavě: x + ( 1) y, píšeme stručněji x y. Vektoru y = ( 1) y říkáme opačný vektor k

Více

LINEÁRNÍ DIFERENCIÁLNÍ ROVNICE 2.ŘÁDU

LINEÁRNÍ DIFERENCIÁLNÍ ROVNICE 2.ŘÁDU LINEÁRNÍ DIFERENCIÁLNÍ ROVNICE 2.ŘÁDU ZDENĚK ŠIBRAVA 1. Obecné řešení lin. dif. rovnice 2.řádu s konstntními koeficienty 1.1. Vrice konstnt. Příkld 1.1. Njděme obecné řešení diferenciální rovnice (1) y

Více

Determinanty a matice v theorii a praxi

Determinanty a matice v theorii a praxi Determinanty a matice v theorii a praxi 1. Lineární závislost číselných soustav In: Václav Vodička (author): Determinanty a matice v theorii a praxi. Část druhá. (Czech). Praha: Jednota československých

Více

2.7.6 Rovnice vyšších řádů

2.7.6 Rovnice vyšších řádů 6 Rovnice vyšších řádů Předpoklady: 50, 05 Pedagogická poznámka: Pokud mám jenom trochu čas probírám látku této hodiny ve dvou vyučovacích hodinách V první probíráme separaci kořenů, v druhé pak snížení

Více

Poznámka: V kurzu rovnice ostatní podrobně probíráme polynomické rovnice a jejich řešení.

Poznámka: V kurzu rovnice ostatní podrobně probíráme polynomické rovnice a jejich řešení. @083 6 Polynomické funkce Poznámka: V kurzu rovnice ostatní podrobně probíráme polynomické rovnice a jejich řešení. Definice: Polynomická funkce n-tého stupně (n N) je dána předpisem n n 1 2 f : y a x

Více

Co byste měl/a zvládnout po 6. týdnu

Co byste měl/a zvládnout po 6. týdnu Co byste měl/a zvládnout po 6. týdnu Zde je uveden naprostý základ. Nejde o úplný výčet všech dovedností. Jiří Velebil: A7B01LAG Zvládnutá látka po 6. týdnu 1/8 Slovník základních pojmů Monomorfismus,

Více

4.2.15 Funkce kotangens

4.2.15 Funkce kotangens 4..5 Funkce kotangens Předpoklady: 44 Pedagogická poznámka: Pokud nemáte čas, doporučuji nechat tuto hodinu studentům na domácí práci. Nedá se na tom nic zkazit a v budoucnu to není nikde příliš potřeba.

Více

Poznámky k ekonomickému ukazateli IRR. výnos do splatnosti...

Poznámky k ekonomickému ukazateli IRR. výnos do splatnosti... Poznámky k ekonomickému ukazateli IRR (Remarks on the economic criterion the Internal Rate of Return ) Carmen Simerská IRR... vnitřní míra výnosnosti, vnitřní výnosové procento, výnos do splatnosti...

Více

Exponenciální rovnice. Metoda převedení na stejný základ. Cvičení 1. Příklad 1.

Exponenciální rovnice. Metoda převedení na stejný základ. Cvičení 1. Příklad 1. Eponenciální rovnice Eponenciální rovnice jsou rovnice, ve kterých se neznámá vsktuje v eponentu. Řešíme je v závislosti na tpu rovnice několika základními metodami. A. Metoda převedení na stejný základ

Více

analytické geometrie v prostoru s počátkem 18. stol.

analytické geometrie v prostoru s počátkem 18. stol. 4.. Funkce více proměnných, definice, vlastnosti Funkce více proměnných Funkce více proměnných se v matematice začal používat v rámci rozvoje analtické geometrie v prostoru s počátkem 8. stol. I v sami

Více

MATEMATIKA Maturitní témata společná část MZ základní úroveň (vychází z Katalogu požadavků MŠMT)

MATEMATIKA Maturitní témata společná část MZ základní úroveň (vychází z Katalogu požadavků MŠMT) MATEMATIKA Maturitní témata společná část MZ základní úroveň (vychází z Katalogu požadavků MŠMT) 1. Číselné obory 1.1 Přirozená čísla provádět aritmetické operace s přirozenými čísly rozlišit prvočíslo

Více

Kapitola 1: Lineární prostor

Kapitola 1: Lineární prostor Lineární prostor Kapitola 1: Lineární prostor Chcete-li ukončit prohlížení stiskněte klávesu Esc. Chcete-li pokračovat stiskněte klávesu Enter.. p.1/15 Lineární prostor Lineární prostoralineární podprostor

Více

Maturitní témata od 2013

Maturitní témata od 2013 1 Maturitní témata od 2013 1. Úvod do matematické logiky 2. Množiny a operace s nimi, číselné obory 3. Algebraické výrazy, výrazy s mocninami a odmocninami 4. Lineární rovnice a nerovnice a jejich soustavy

Více

PRAVDĚPODOBNOST A STATISTIKA aneb Krátký průvodce skripty [1] a [2]

PRAVDĚPODOBNOST A STATISTIKA aneb Krátký průvodce skripty [1] a [2] PRAVDĚPODOBNOST A STATISTIKA aneb Krátký průvodce skripty [1] a [2] Použitá literatura: [1]: J.Reif, Z.Kobeda: Úvod do pravděpodobnosti a spolehlivosti, ZČU Plzeň, 2004 (2. vyd.) [2]: J.Reif: Metody matematické

Více

Univerzita Pardubice Chemicko-technologická fakulta Katedra analytické chemie

Univerzita Pardubice Chemicko-technologická fakulta Katedra analytické chemie Univerzita Pardubice Chemicko-technologická fakulta Katedra analytické chemie 12. licenční studium PYTHAGORAS Statistické zpracování dat 3.1 Matematické principy vícerozměrných metod statistické analýzy

Více

Obsah. 1 ÚVOD 2 1.1 Vektorové operace... 2 1.2 Moment síly k bodu a ose... 4 1.3 Statické ekvivalence silových soustav... 10 2 TĚŽIŠTĚ TĚLES 21

Obsah. 1 ÚVOD 2 1.1 Vektorové operace... 2 1.2 Moment síly k bodu a ose... 4 1.3 Statické ekvivalence silových soustav... 10 2 TĚŽIŠTĚ TĚLES 21 Obsah 1 ÚVOD 1.1 Vektorové operace................................... 1. Moment síly k bodu a ose.............................. 4 1.3 Statické ekvivalence silových soustav........................ 1 TĚŽIŠTĚ

Více

Radek Kučera ESF ROVNÉ PŘÍLEŽITOSTI PRO VŠECHNY VYSOKÁ ŠKOLA BÁŇSKÁ TECHNICKÁ UNIVERZITA OSTRAVA

Radek Kučera ESF ROVNÉ PŘÍLEŽITOSTI PRO VŠECHNY VYSOKÁ ŠKOLA BÁŇSKÁ TECHNICKÁ UNIVERZITA OSTRAVA VYSOKÁ ŠKOLA BÁŇSKÁ TECHNICKÁ UNIVERZITA OSTRAVA NUMERICKÉ METODY Radek Kučera Vytvořeno v rámci projektu Operačního programu Rozvoje lidských zdrojů CZ.04.1.03/3.2.15.1/0016 Studijní opory s převažujícími

Více

( ) 7.3.16 Další metrické úlohy II. Předpoklady: 7315. Př. 1: Najdi přímku rovnoběžnou s osou I a III kvadrantu vzdálenou od bodu A[ 1;2 ] 2 2.

( ) 7.3.16 Další metrické úlohy II. Předpoklady: 7315. Př. 1: Najdi přímku rovnoběžnou s osou I a III kvadrantu vzdálenou od bodu A[ 1;2 ] 2 2. 76 Další metriké úlohy II Předpoklady: 7 Př : Najdi přímku rovnoěžnou s osou I a III kvadrantu vzdálenou od odu A[ ; ] Osou I a III kvadrantu je přímka y = x přímky s ní rovnoěžné mají rovnii x y + = 0

Více

Postův korespondenční problém. Meze rozhodnutelnosti 2 p.1/13

Postův korespondenční problém. Meze rozhodnutelnosti 2 p.1/13 Postův korespondenční problém Meze rozhodnutelnosti 2 p.1/13 Postův korespondenční problém Definice 10.1 Postův systém nad abecedou Σ je dán neprázdným seznamem S dvojic neprázdných řetězců nadσ, S = (α

Více

3. Optimalizace pomocí nástroje Řešitel

3. Optimalizace pomocí nástroje Řešitel 3. Optimalizace pomocí nástroje Řešitel Rovnováha mechanické soustavy Uvažujme dvě různé nehmotné lineární pružiny P 1 a P 2 připevněné na pevné horizontální tyči splývající s osou x podle obrázku: (0,0)

Více

Ekonomická fakulta, Jihočeská univerzita v Českých Budějovicích. MATEMATICKÝ SOFTWARE MAPLE - MANUÁL Marek Šulista

Ekonomická fakulta, Jihočeská univerzita v Českých Budějovicích. MATEMATICKÝ SOFTWARE MAPLE - MANUÁL Marek Šulista Ekonomická fakulta, Jihočeská univerzita v Českých Budějovicích MATEMATICKÝ SOFTWARE MAPLE - MANUÁL Marek Šulista Matematický software MAPLE slouží ke zpracování matematických problémů pomocí jednoduchého

Více

Kapitola 2. o a paprsek sil lze ztotožnit s osou x (obr.2.1). sil a velikost rovnou algebraickému součtu sil podle vztahu R = F i, (2.

Kapitola 2. o a paprsek sil lze ztotožnit s osou x (obr.2.1). sil a velikost rovnou algebraickému součtu sil podle vztahu R = F i, (2. Kapitola 2 Přímková a rovinná soustava sil 2.1 Přímková soustava sil Soustava sil ležící ve společném paprsku se nazývá přímková soustava sil [2]. Působiště všech sil m i lze posunout do společného bodu

Více

53. ročník matematické olympiády. q = 65

53. ročník matematické olympiády. q = 65 53. ročník matematické olympiády! 1. V rovině je dán obdélník ABCD, kde AB = a < b = BC. Na jeho straně BC eistuje bod K a na straně CD bod L tak, že daný obdélník je úsečkami AK, KL a LA rozdělen na čtyři

Více

ϵ = b a 2 n a n = a, pak b ϵ < a n < b + ϵ (2) < ϵ, což je spor, protože jsme volili ϵ = b a

ϵ = b a 2 n a n = a, pak b ϵ < a n < b + ϵ (2) < ϵ, což je spor, protože jsme volili ϵ = b a MA 6. cvičení výpočet limit posloupností Lukáš Pospíšil,202 Malý (ale pěkný) důkaz na úvod V dnešním cvičení se naučíme počítat jednoduché limity, nicméně by na začátek bylo vhodné ukázat, že to co hledáme,

Více

LOKÁLNÍ EXTRÉMY. LOKÁLNÍ EXTRÉMY (maximum a minimum funkce)

LOKÁLNÍ EXTRÉMY. LOKÁLNÍ EXTRÉMY (maximum a minimum funkce) Předmět: Ročník: Vytvořil: Datum: MATEMATIKA ČTVRTÝ Mgr. Tomáš MAŇÁK 5. srpna Název zpracovaného celku: LOKÁLNÍ EXTRÉMY LOKÁLNÍ EXTRÉMY (maimum a minimum funkce) Lokální etrémy jsou body, v nichž funkce

Více

Data v počítači. Informační data. Logické hodnoty. Znakové hodnoty

Data v počítači. Informační data. Logické hodnoty. Znakové hodnoty Data v počítači Informační data (elementární datové typy) Logické hodnoty Znaky Čísla v pevné řádové čárce (celá čísla) v pohyblivé (plovoucí) řád. čárce (reálná čísla) Povelová data (instrukce programu)

Více

Základní pojmy o signálech

Základní pojmy o signálech Základní pojmy o signálech klasifikace signálů transformace časové osy energie a výkon periodické signály harmonický signál jednotkový skok a impuls Jan Černocký ÚPGM FIT VUT Brno, cernocky@fit.vutbr.cz

Více

4EK211 Základy ekonometrie

4EK211 Základy ekonometrie 4EK211 Základy ekonometrie LS 2014/15 Cvičení 4: Statistické vlastnosti MNČ LENKA FIŘTOVÁ KATEDRA EKONOMETRIE, FAKULTA INFORMATIKY A STATISTIKY VYSOKÁ ŠKOLA EKONOMICKÁ V PRAZE Upřesnění k pojmům a značení

Více

Příklad 1. Řešení 1a. Řešení 1b. Řešení 1c ŘEŠENÉ PŘÍKLADY Z MV2 ČÁST 7

Příklad 1. Řešení 1a. Řešení 1b. Řešení 1c ŘEŠENÉ PŘÍKLADY Z MV2 ČÁST 7 Příklad 1 a) Autobusy městské hromadné dopravy odjíždějí ze zastávky v pravidelných intervalech 5 minut. Cestující může přijít na zastávku v libovolném okamžiku. Určete střední hodnotu a směrodatnou odchylku

Více

Příklad 1. Řešení 1a Máme určit obsah rovinné plochy ohraničené křivkami: ŘEŠENÉ PŘÍKLADY Z M1A ČÁST 14. a) =0, = 1, = b) =4, =0

Příklad 1. Řešení 1a Máme určit obsah rovinné plochy ohraničené křivkami: ŘEŠENÉ PŘÍKLADY Z M1A ČÁST 14. a) =0, = 1, = b) =4, =0 Příklad Určete obsah rovinné plochy ohraničené křivkami: a) =0,=,= b) =4,=0 c) =,=,=3,=0 d) =+, =0 e) + )=,= f) = +4,+= g) =arcsin,=0,= h) =sin,=0, 0; i) =,=,=4,=0 j) =,= k) = 6,= +5 4 l) =4,+=5 m) = +

Více

Samoopravné kódy. Katedra matematiky a Institut teoretické informatiky Západočeská univerzita

Samoopravné kódy. Katedra matematiky a Institut teoretické informatiky Západočeská univerzita Katedra matematiky a Institut teoretické informatiky Západočeská univerzita Seminář pro učitele středních a vysokých škol, Plzeň, 30. března 2012 jsou všude Některé oblasti využití: CD přehrávače mobilní

Více

MATEMATIKA Maturitní témata společná část MZ vyšší úroveň (vychází z Katalogu požadavků MŠMT)

MATEMATIKA Maturitní témata společná část MZ vyšší úroveň (vychází z Katalogu požadavků MŠMT) MATEMATIKA Maturitní témata společná část MZ vyšší úroveň (vychází z Katalogu požadavků MŠMT) 1. Číselné obory 1.1 Přirozená čísla provádět aritmetické operace s přirozenými čísly rozlišit prvočíslo a

Více

MATEMATIKA Přijímací zkoušky na ČVUT

MATEMATIKA Přijímací zkoušky na ČVUT Kolektiv MATEMATIKA Přijímací zkoušky na ČVUT Praha 200 Vydavatelství ČVUT Lektoři: doc. RNDr. Čeněk Zlatník, CSc. doc. RNDr. Ludmila Machačová, CSc. Jaroslav Černý, Růžena Černá, František Gemperle, Vladimíra

Více

ZŠ ÚnO, Bratří Čapků 1332

ZŠ ÚnO, Bratří Čapků 1332 Úvodní obrazovka Menu (vlevo nahoře) Návrat na hlavní stránku Obsah Výsledky Poznámky Záložky edunet Konec Matematika 1 (pro 12-16 let) LangMaster Obsah (střední část) výběr tématu - dvojklikem v seznamu

Více

Střední průmyslová škola a Vyšší odborná škola technická Brno, Sokolská 1. Inovace a zkvalitnění výuky prostřednictvím ICT

Střední průmyslová škola a Vyšší odborná škola technická Brno, Sokolská 1. Inovace a zkvalitnění výuky prostřednictvím ICT Střední průmyslová škola a Vyšší odborná škola technická Brno, Sokolská 1 Šablona: Název: Téma: Autor: Inovace a zkvalitnění výuky prostřednictvím ICT Spoje a spojovací součásti Pohybové šrouby Ing. Magdalena

Více

11.1 Jedna rovnice pro jednu neznámou

11.1 Jedna rovnice pro jednu neznámou 52. ešení rovnic Mathcad je schopen řešit i velmi složité rovnice, kdy hledaná neznámá je obsažena současně v několika různých funkcích apod.. Jedna rovnice pro jednu neznámou.. Funkce root Před vlastním

Více

Měření závislosti statistických dat

Měření závislosti statistických dat 5.1 Měření závislosti statistických dat Každý pořádný astronom je schopen vám předpovědět, kde se bude nacházet daná hvězda půl hodiny před půlnocí. Ne každý je však téhož schopen předpovědět v případě

Více

15. Goniometrické funkce

15. Goniometrické funkce @157 15. Goniometrické funkce Pravoúhlý trojúhelník Ze základní školy znáte funkce sin a cos jako poměr odvěsen pravoúhlého trojúhelníka ku přeponě. @160 Měření úhlů Velikost úhlů se měří buď mírou stupňovou

Více

Robust 2014, 19. - 24. ledna 2014, Jetřichovice

Robust 2014, 19. - 24. ledna 2014, Jetřichovice K. Hron 1 C. Mert 2 P. Filzmoser 2 1 Katedra matematické analýzy a aplikací matematiky Přírodovědecká fakulta, Univerzita Palackého, Olomouc 2 Department of Statistics and Probability Theory Vienna University

Více

Jméno autora: Mgr. Zdeněk Chalupský Datum vytvoření: 20. 8. 2012 Číslo DUM: VY_32_INOVACE_16_FY_A

Jméno autora: Mgr. Zdeněk Chalupský Datum vytvoření: 20. 8. 2012 Číslo DUM: VY_32_INOVACE_16_FY_A Jméno autora: Mgr. Zdeněk Chalupský Datum vytvoření: 20. 8. 2012 Číslo DUM: VY_32_INOVACE_16_FY_A Ročník: I. Fyzika Vzdělávací oblast: Přírodovědné vzdělávání Vzdělávací obor: Fyzika Tematický okruh: Mechanika

Více